Question

我正在寻找一种方法来解压TF中的位，就像我使用np.unpackbits一样。所以恢复操作如：

import numpy as np
import tensorflow as tf
original = np.random.choice(a=[1, 0], size=(100))
data     = np.packbits(original.astype(np.bool), axis=None)

X = tf.constant(data)

假设我只能访问X，如何在TF中将其转换为原始版本。当然我可以使用numpy，但这会将数据从TF移动到python然后再转回TF。

我想到的几点想法（没有实现任何一个）：

使用tf.map_fn
使用tf.contrib.lookup

对于他们两个人来说，想法是将每个数字映射到一个向量，连接所有向量，重新整形，删除不需要的元素。

这两种方法似乎都应该更加复杂。有没有人有一种有效的方式（在速度方面）如何在tensorflow中实现numpy的unpackbits？

Answer 1

也许是这样的：

import tensorflow as tf

x = tf.constant((1, 2, 7, 0, 255), dtype=tf.uint8)

b = tf.constant((128, 64, 32, 16, 8, 4, 2, 1), dtype=tf.uint8)
unpacked = tf.reshape(tf.mod(tf.to_int32(x[:,None] // b), 2), [-1])

由于unpacked不接受字节，

int32位于tf.mod，您可能希望再次将其投放到uint8。

Tensorflow 1.3 will have bitwise operations，因此最后一行可以替换为

unpacked = tf.reshape(tf.bitwise.bitwise_and(x, b), [-1])

希望更快（以及uint8中的结果）。

仅在TF中解包

1 个答案: